Incorporation of concussion history as part of the LIfestyle for BRAin Health (LIBRA) modifiable factors risk score and associations with cognition in older former National Football League players
Notice bibliographique
Résumé
Abstract Objective Investigate associations between the LIfestyle for BRAin Health (LIBRA) risk score with odds of mild cognitive impairment (MCI) diagnosis and cognitive function, incorporating concussion history. Methods Former National Football League (NFL) players (N = 1050; mean age = 64.8 ± 9.0‐years) completed initial testing for integration of concussion history into LIBRA scores (i.e., modified‐LIBRA) and completed the Brief Test of Adult Cognition by Telephone (BTACT). Modified‐LIBRA score (including concussion history) associations with odds of MCI and cognitive dysfunction were assessed via logistic and linear regression. Results The highest quartile LIBRA scores were six times more likely to have a diagnosis of MCI compared to the lowest quartile (OR = 6.27[3.61, 10.91], p < 0.001). Modified‐LIBRA scores significantly improved model fit for odds of MCI above original LIBRA scores (χ2(1) = 7.76, p = 0.005) and accounted for a greater fraction of variance in executive function (ΔR2 = 0.02, p = 0.003) and episodic memory (ΔR2 = 0.02, p = 0.002). Conclusions Modified‐LIBRA score, incorporating concussion history, may help monitoring risk status in former contact sport athletes, by targeting modifiable, lifestyle‐related risk factors.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».